a.a. 2009/2010 Secondo Periodo Prof. Filippo DOMMA · Un’ipotesi statistica è una affermazione...

Test dTest d’’IpotesiIpotesi

Corso di Teoria dell’Inferenza Statistica a.a. 2009/2010 Secondo Periodo

Prof. Filippo DOMMA

Corso di Laurea in MQEGA(Metodi Quantitativi per l’Economia e la Gestione delle Aziende)

Facoltà di Economia – UniCal

Test d'Ipotesi F. Domma 2

Il test statistico è una decisione operativa presa sulla base di risultatisperimentali, tenendo conto di considerazioni probabilistiche.

La problematica del test può essere suddivisa in tre fasi:

a. formulare una ipotesi sulla v.c. X;b. osservare il campione casuale; c. in base ai risultati campionari

decidere se accettare o rifiutare l’ipotesi fatta.


Definizione. Un’ipotesi statistica è una affermazione sulla distribuzione di una o più variabili casuali.

Se l’ipotesi statistica specifica completamente la distribuzione dellav.c. allora l’ipotesi è detta semplice; in caso contrario, viene chiamataipotesi statistica composta.Le ipotesi verranno indicate con la lettera H.

Esempi. Data una v.c. X~N(µ,9)a. l’ipotesi H: µ=15 è semplice perché specifica

completamente la distribuzione della v.c. X;b. l’ipotesi H: µ>15 è composta.


Dato un modello parametrico M={ X , P }, sia Θ0 un sottoinsieme dello spazio parametrico Θ. Si vuole verificare

dove Θ=Θ∪Θ 10e φ=Θ∩Θ 10

00 : H Θ∈θ

11 : H Θ∈θ

Ipotesi NULLA

Ipotesi ALTERNATIVA

L’ipotesi statistica riguardante la v.c. X e, quindi, il parametro θ,implica una bipartizione dello spazio parametrico Θ in due regioni,Θ0 e Θ1, di cui una rappresenta l’ipotesi nulla H0 e la complementarerappresenta l’alternativa H1.

Prima Fase.

contro


Seconda Fase: consiste nell’estrazione dallo spazio campionario del campione x=(x1,…,xn).

Terza Fase (prendere una decisione su H): viene condotta sullo spazio campionario.

Più precisamente, si suddivide lo spazio campionario in due regioni,C0 e C1 tali che

�=∪ 10 CC φ=∩ 10 CCe

Se 1n1 C)x,...,x( ∈=x Allora si accetta H0

Se 0n1 C)x,...,x( ∈=x Allora si rifiuta H0


Definizione. Sia C0 quel sottoinsieme dello spazio campionario chein accordo con un prefissato test, conduce al rifiuto dell’ipotesi H0, se il campione osservato x appartienea C0. Allora C0 è detta regione critica ( o di rifiuto) deltest.


In sintesi, le fasi di un test possono essere così rappresentate:

Da ciò deriva che la regola di decisione se accettare o rifiutare H0 è una bipartizione dello spazio campionario.

1�

0�

� �Spazio parametrico Spazio campionario

0�∈�:H0

1�∈�:H1

C0

C1RegioneCritica

Regionedi Accettazione

Se x appartiene a C1 allora accetto H0

Se x appartiene a C0allora rifiuto H0


Possiamo concludere affermando che:il test è una corrispondenza tra lo spazio campionarioe lo spazio parametrico, dove il primo è suddiviso in due regioni(C0 e C1) secondo la regola di decisione ( è il fulcro del test ), mentre lo spazio parametrico è diviso in due regioni (Θ0 e Θ1) a seconda delle ipotesi da verificare.

{ }i0 H/CP ∈Xi=0,1, la quale può essere calcolata assumendo vera una delle ipotesi.

Naturalmente, la corrispondenza tra e Θ ha senso solo se valutatain termini probabilistici. Quindi, dobbiamo chiederci qual è la probabilità che il campione appartenga, ad esempio, alla regione critica, cioè:

�


In tale contesto, si possono avere quattro situazioni possibili, ottenutedalla combinazione dei due “stati di natura” (H0 vera, H0 falsa) con le due “azioni possibili” (accetto H0, rifiuto H0), cioè

STATI di NATURA

Vera H0 Falsa H0

AZIONI Accetto H0 G1 E2

POSSIBILI Rifiuto H0 E1 G2


Descrizione degli eventi:G1: in base al campione decido di accettare H0 e H0 è vera;G2: in base al campione decido di rifiutare H0 e H0 è falsa;E1: in base al campione decido di rifiutare H0 e H0 è vera;E2: in base al campione decido di accettare H0 e H0 è falsa;

Probabilità degli eventi:

{ } { } { } α−=∉== 1H/CPvera è H/H AccettoPGP 00r00r1r X

{ } { } { } β−=∈== 1H/CPalsaf è H/H ifiutoRPGP 10r00r2r X

{ } { } { } α=∈== 00r00r1r H/CPvera è H/H ifiutoRPEP X

{ } { } { } β=∉== 10r00r2r H/CPalsaf è H/H AccettoPEP X


Spesso E1 viene definito come errore di primo tipo ed E2 errore disecondo tipo.

Concludendo si ha:

STATI di NATURA

Vera H0 Falsa H0

AZIONI 1-� �

POSSIBILI � 1-�

0C∉x

0C∈x


Definizione. Funzione di Potenza.La funzione di potenza di un test di un’ipotesi statistica H0 contro un’ipotesi alternativa H1, è quella funzione, definita per tutte le distribuzioni sotto considerazione(le ipotesi), che fornisce la probabilità che il campionecada nella regione critica C0 del test, cioè una funzione che fornisce la probabilità di rifiutare l’ipotesi sottoconsiderazione.Il valore della funzione di potenza in corrispondenza di un punto dello spazio parametrico è detta potenzadel test. Formalizzando abbiamo:

{ }i0 H/CP)(K ∈=θ X


Definizione. Livello di significatività.Il livello di significatività del test (o ampiezza dellaregione critica C0) è il valore massimo della funzione di potenza del test quando H0 è vera. Cioè:

{ } α=∈=θ 000 H/CP)(K XSe H0 è definita come : H0: θ= θ 0

{ }00 H/CPsup)(K0

∈=θΘ∈θ

X

Se H0 è definita come : H0: θ∈Θ 0


Si può osservare che l’ipotesi H0 riflette, in generale, la situazione precedente all’esperimento campionario, nel senso che accettandoH0 la situazione non cambia. E’ dal rifiuto di H0 che bisogna cautelarsi in quanto tale rifiutoimplica una modifica delle condizioni e delle acquisizioni ritenute valide in precedenza, il che implica per lo più costi, rischi, modifiche tecniche, nuove procedure operative, …ecc..In tal modo si ritiene preferibile commettere un errore non modificando la realtà (errore di secondo tipo) piuttosto che correre il rischio di errare modificando la realtà (errore di primo tipo).

Esempio. In un giudizio penale, l’imputato è innocente fino a prova contraria. E’ fondamentale che per il giudice sia H0 l’ipotesi che egli sia innocente.Secondo questa logica si ritiene ben più grave condannare un innocente (errore di I tipo) che assolvere un colpevole (errore di II tipo).


Nel tentativo di definire un “buon” test, la ricerca va orientata versoil contenimento probabilistico degli errori, dando maggiore rilevanzaall’errore di I tipo, senza ovviamente trascurare quello di II tipo.

Un metodo per definire un test ottimale consiste nel fissarel’ampiezza d’errore di I tipo e minimizzare l’ampiezza d’erroredi II tipo.


Regione critica migliore di ampiezza α

Definizione. Sia C0 un sottoinsieme dello spazio campionario . Allora C0 è detta regione critica migliore di ampiezza α,per verificare l’ipotesi semplice H0:θ= θ0 contro l’ipotesisemplice H1:θ= θ1se, per ogni sottoinsieme A dello spazio campionarioper il quale

{ } α=∈ 0H/AP XSi ha:

{ } α=∈ 00 H/CP )i X

{ } { }110 H/APH/CP )ii ∈≥∈ XX

�


In altri termini C0 è la regione critica migliore di ampiezza α se tratutte le altre regioni critiche della stessa ampiezza , possiedepotenza maggiore o uguale rispetto a tutte le altre regioni critiche.

Il test basato su una regione critica migliore è chiamatotest più potente.


Teorema. (di Neyman e Pearson).Sia X=(X1,…,Xn) un c.c. iid estratto da f(x;θ). Sia L(θ;x) la funzione di verosimiglianza di x. Siano θ1 e θ2 due valori fissati e distinti di θ tali che Θ={θ: θ= θ1 oppure θ= θ2}; sia, infine, k un numero positivo.Se C0 è un sottoinsieme dello spazio campionario tale che:

02

1 C k);L();L(

)i ∈∀≤θθ x

xx

02

1 C k);L();L(

)ii ∈∀≥θθ x

xx

{ } α=∈ 00 H/CP )iii X

Allora C0 è una regione critica migliore di ampiezza α per verificare l’ipotesi H0:θ= θ1 contro l’ipotesi H1: θ= θ2.


Dimostrazione.


Non sempre bisogna individuare C0 e k che soddisfano le condizioniposte dal teorema. Spesso si riesce a trasformare la disuguaglianza (i)in una disuguaglianza che riguarda una particolare statistica.Esempio.


Test del Rapporto di Verosimiglianza Generalizzato

Sia (X1,…,Xn) un c.c. iid estratto da f(x;θ).Supponiamo di voler effettuare il seguente test:

00 ��:H ∈ contro11 ��:H ∈

dove �� 10 =∪ φ=∩ 10 ��e


Definizione. Rapporto di verosimiglianza Generalizzato.Sia L(θ; x) la funzione di verosimiglianza di un campione x. Si definisce rapporto di verosimiglianza generalizzato la quantità:

);(Lsup

);(Lsup)( 0

x

xx

θ

θ=Λ

Θ∈θ

Θ∈θ


Osservazioni:1. Λ(x) è una funzione del campione osservato x.

Sostituendo a x il c.c. X otteniamo Λ(X) che è una statistica in quanto non dipende dai valori del parametro θ.

2. I valori di Λ(x) appartengono all’intervallo [0,1].

3. I valori della statistica Λ(X) sono usati per il seguente test:

00 :H Θ∈θ 11 :H Θ∈θcontro

Tramite il rapporto di verosimiglianza si stabilisce che:

00 )( H rifiuta si λ≤Λ⇔ x

dove λ0 è una costante determinata dal livello di significativitàα del test.


Il test del rapporto di verosimiglianza generalizzato ha senso anche intuitivamente in quanto Λ(x) tende ad essere piccolo quando H0 non è vera, dato che il denominatore tende ad essere maggiore del numeratore.Per un livello di significatività α fissato il corrispondente valore di λ0 tale che

{ } α=λ≤Λ 00r H/)(P X

può essere determinato in modo esatto solo se è nota la distribuzionecampionaria della statistica Λ(X), in altri casi è necessario farriferimento ad approssimazioni per grandi campioni.


Esempio.


Teorema. Sia X1, X2,… una successione di v.c. iid estratta da f(x;θ).Consideriamo il testH0:θ= θ0 contro H1:θ≠ θ0Assumiamo che la sequenza delle radici dell’equazione di verosimiglianza siano consistenti e che siano vere le condizioni di regolarità per la normalità asintotica degli stimatori di massima verosimiglianza.Allora, sotto H0

{ } )1()(ln2 2d

nn χ →Λ− ∞→X

E’ evidente che si rifiuta H0 se -2ln{Λ(x)} è elevato. In particolare, fissato α, se

02� H rifiuto (1)�)}(ln{2 �≥Λ− x


Teorema. Sia X1, X2,… una successione di v.c. iid estratta da f(x;θθθθ) e sia θθθθ=(θ1,…, θk)∈ΘΘΘΘ⊆ℜk

Consideriamo il test

{ } )r()(ln2 2d

nn χ →Λ− ∞→X

Se sono soddisfatte alcune condizioni di regolarità,allora, sotto H0

k1r0rr

022

0110 ,..., ,,..., ,:H θθθ=θθ=θθ=θ +

0rr

022

0111 ,..., ,:H θ≠θθ≠θθ≠θ

dove 0r

02

01 ,..., , θθθ sono valori noti

k1r ..., , θθ + non sono specificati


Test di Significativitàa) Individuare una statistica (test) che si comporta in modo diverso

sotto le due ipotesi H0 e H1;b) utilizzare il diverso comportamento della statistica per

definire il test.

Esempio. Dato un c.c. di dimensione 20 estratto da un v.c. N(µ,1),si vuole verificare seH0: µ=10 contro H1: µ=15Consideriamo la STATISTICA TEST media campionaria;sappiamo che:

( )201

0 10,N~X H sotto

( )201

1 15,N~X H sotto


Graficamente si ha:

10 15

sotto H0 sotto H1

x


1. Osservato il valore dellamedia campionaria

0H rif. 15 a vicino"" è x se �

0H acc. 10 a vicino"" è x se �

2. Possibili eventi tra 10 e 15 sono:G1: accetto H0 e H0 è vera;G2: rifiuto H0 e H0 è falsa;E1: rifiuto H0 e H0 è vera;E2: accetto H0 e H0 è falsa.

10 15

H0H1


3. Problema: costruire una regione (critica) C0 tale che:

00 H rifiuto C x se �∈

significa individuare, con qualche criterio, un punto (detto punto critico) tra 10 e 15 in modo tale che:

Cx x x se 00 ∈�≥

Cx x x se 00 ∉�<H0 H1

0xC0


Fissato α, sappiamo che { }00r H/CP ∈=α X

Nel caso dell’esempio, fissato α, si ha:

{ } { }=<−=≥=α 00r00r H/xXP1H/xXP

( )000

r z120/110x

120/110x

20/110X

P1 Φ−=��

��

� −Φ−=�

�� −<−−=

dove

20/110x

z 00

−=

Si individua dalle tavole della N(0,1)


20z

10x 00 +=

Il punto critico è dato da:

E’ il confine tra la Regione Critica e la Regione di Accettazione.


Fasi per la costruzione di un Test di Significatività:

1. Si formulano le ipotesi;2. Si individua la statistica test;3. Si fissa il livello di significatività;4. Si determinano i punti critici;5. Si costruisce la regione critica;6. Si estrae il campione e si verifica se il valore della statistica

test appartiene oppure non appartiene alla regione critica;7. Si decide se accettare o rifiutare l’ipotesi nulla.


TEST sui parametri di una v.c. NORMALE

Dato un c.c. iid di dimensione n, estratto da un v.c. N(µ,σ20),

si vuole verificare se

H0: µ= µ0 contro H1: µ= µ1 con µ0 < µ1

La STATISTICA TEST media campionaria è tale che

( )n�

00

20,�N~X H sotto

( )n11

20,N~X H sotto σµ


sotto H0 sotto H1

x0� 1�0x

αβ


Fissato α, determiniamo il punto critico

{ } { }=<−=≥=α 00r00r H/xXP1H/xXP

( )�0

00

0

00

0

0r z�1

n/��x

�1n/��x

n/��X

P1 −=��

��

� −−=�

�� −<−−=

dove

n/x

z0

00

σµ−=α

si individua dalle tavole della N(0,1)


nzx 0

00

σ+µ= α

Da quest’ultima il punto critico risulta essere:

E, quindi, la regione critica è:

{ }�

�� σ+µ>=>= α n

zx:xxx:xC 0000

Osservato il campione, si calcola la media campionaria

H rifiuto xx se 00 �>

H accetto xx se 00 �≤


Calcolo della probabilità d’errore di II tipo:

{ } { }=<=∉= 10r10r /HxXP/HCXP�

{ } ( )ββ Φ=<=�

��

σµ−<

σµ−= zzZP

n/x

n/X

P r0

10

0

1r

Dato che

0x1µ 0σe sono per ipotesi noti

è stato calcolato in precedenza

βzallora è noto, quindi, dalle tavole possiamo calcolare β.


Calcolo della potenza del test:

{ }==β−= falsa è H/H rifiutareP1K 00r

{ } =�

��

σµ−>

σµ−=>=

n/x

n/X

PH/xXP0

10

0

1r10r

{ } ( )ββ Φ−=>= z1zZPr

dove

n/x

z0

10

σµ−=β


Si evidenzia che i due errore, α e β, sono legati da una relazione inversa: - al diminuire di α, il punto critico si sposta a destra e, quindi, β aumenta;

- al diminuire di β, il punto critico si sposta a sinistrae, quindi, α aumenta


Per diminuire contemporaneamente i due errori, bisogna aumentarela dimensione campionaria; infatti abbiamo:

( )αΦ−=��

��

�

σµ−Φ− z1n/

x1

0

00{ }=≥=α 00r H/xXP

nx

z0

00

σµ−=αdove

Dato che il punto critico è maggiore di µ0, all’aumentare di n, zα aumenta e, quindi, Φ(zα) aumenta. Di conseguenza, α diminuisce.


{ }=<=β 10r H/xXP ( )βΦ=�

��

σµ−<

σµ−

zn/

xn/

XP

0

10

0

1r

Al contrario, per l’errore di secondo tipo, si ha:

nx

z0

10

σµ−=β

dove

Dato che il punto critico è minore di µ1, all’aumentare di n, zβ diminuisce e, quindi, Φ(zβ)=β diminuisce.


TEST sulla media di una v.c. NORMALE

( )n00

20,N~X H sotto σµ

Dato un c.c. iid di dimensione n, estratto da un v.c. N(µ,σ20),

si vuole verificare se

H0: µ= µ0 contro H1: µ≠ µ0 Alternativa BILATERALE



Intuitivamente rifiutiamo H0 per valori della media campionaria moltopiù grandi di µ0 oppure molto più piccoli di µ0.

In questo caso si individuano due punti critici sx dxe

tali che rifiutiamo H0

xx se oppure xx se ds ≥≤


Determinazione dei punti critici.Fissato l’errore di I tipo, ripartiamo α sulle code in modo tale che:

{ } ( )s

0

0s

0

0r0sr

2z

n/x

n/X

PH/xXP2

αΦ=�

��

σµ−≤

σµ−=≤=α

{ } ��

��−=

�

�� −≥−=≥= d

0

0d

0

0r0dr

2�z�1

n/��x

n/��X

P/HxXP2�

Dalle tavole della N(0,1), calcoliamo22

zzsαα −= e

nzx 0

0s2

σ−µ= α

nzx 0

0d2

σ+µ= α

22zzd

αα =


Regione di rifiuto è data da

{ }=≥≤= ds0 xx , xx :x)�(C

�

�� σ+µ≥σ−µ≤= αα

nzx ,

nzx :x 0

00

022

La regione critica può essere espressa anche nel seguente modo:

{ }22

zz , zz :z)(C ccc0 αα ≥−≤=α

doven

xz

0

0c σ

µ−=


La funzione di potenza del test dipende da µ

{ }=α∈= i0r /H)(CXP)�(k { } { }[ ]=>∪< idsr /HxXxXP

{ } { }=>+<= idrisr /HxXP/HxXP

=�

��

σµ−>

σµ−+

�

��

σµ−<

σµ−=

n/x

n/X

Pn/

xn/

XP

0

d

0r

0

s

0r

=�

��

σµ−>+

�

��

σµ−<=

n/x

ZPn/

xZP

0

dr

0

sr

�

��

σµ−Φ−+

�

��

σµ−Φ=

n/x

1n/

x

0

d

0

s


La degenza ospedaliera per il trattamento di una certamalattia per i pazienti della classe di età 20-40 sidistribuisce normalmente con media incognita edeviazione standard pari a 2.1.Posto α=0.01 e n=30, determinare:a. la zona di rifiuto del test H0:µ=7 contro H1:µ>7b. la potenza del test di cui al punto precedente perµ=7.6; 8.5; 9.

Esempio


TEST sulla media di una v.c. NORMALE

Dato un c.c. iid di dimensione n, estratto da un v.c. N(µ,σ2), con varianza sconosciuta, si vuole verificare se

H0: µ= µ0 contro H1: µ≠ µ0 Alternativa BILATERALE


( )n�

002

,�N~X H sotto

Dato che la varianza è sconosciuta, la media campionaria non può essere utilizzata come statistica-test.


Sotto H0

1)t(n~nS/�X

T 0 −−=

Fissato α, ripartendo l’errore di primo tipo sulle code, si ha:

{ }�

�� ≤=

�

�� −≤−=≤= (s)

r0s0

r0sr2�tTP

ns/�x

nS/�X

P/HxXP2�

{ } { }(d)r

0d0r0dr

2�tTP

ns/�x

nS/�X

P/HxXP2� ≥=

�

�� −≥−=≥=


dove

ns/�x

t 0s(s)

2�

−=ns/�x

t 0d(d)

2�

−=

Dalle tavole della t-Student si evince che

1)(ntt2�

2�

(s) −−= 1)(ntt2�

2�

(d) −=

I punti critici risultano:

ns

1)(nt�x2�0s −−=

ns

1)(nt�x2�0d −+=


{ }=≥≤= ds0 xx , xx :x)�(C

�

�� −+≥−−≤=

ns

1)(nt�x , ns

1)(nt�x :x2�

2� 00

La regione critica può essere espressa anche nel seguente modo:

{ }1)-(nt t, 1)-(nt t:t)�(C2�

2� ccc0 ≥−≤=

dove

In definitiva la regione critica risulta essere:

ns/�x

t 0c

−=


Estratto il campione x=(x1,…,xn), si calcola la media campionaria e la varianza campionaria e si verifica se :

00c H rifiuta si )�(Ct �∈


Esempio.Una grande catena nazionale di punti vendita di articoli per la casa effettua una svendita di fine stagione di tosaerba. Il numero di tosaerbavendute durante questa liquidazione, in un campione di dieci negozi, èil seguente:8, 11, 0, 4, 7, 8, 10, 5, 8, 3. Vi sono elementi per sostenere, ad un livello di significatività di 0.05, che durante questa svendita in media siano state svendute più di 5 tosaerba per negozio ? Assumete che il numero di tosaerba sia normalmente distribuito.


Dualità tra Intervalli di Confidenza al 100(1-α)% e Test di Significatività al livello α.

Dato un c.c. iid di dimensione n, estratto da un v.c. N(µ,σ20), con

varianza nota, si vuole verificare seH0: µ= µ0 contro H1: µ≠ µ0 Alternativa BILATERALE

Regione critica

�

�� +≥−≤=

n�

z�x , n�

z�x :x)�(C 00

000

2�

2�

Regione di Accettazione

�

�� +≤≤−=

n�

z� x n�

z� :xA 00

00

2�

2�


L’Intervallo di confidenza per µ è:

�

�� +−=

n�

z x , n�

zxI.C. 002�

2�

Se H0:µ=µ0 e µ0 appartiene all’I.C. allora accettiamo H0; infatti, si ha:

=�

�� +<<−�∈

n�

z x � n�

zx I.C.� 00

00

2�

2�

��

�� +<<=

n�

z � x n�

z - � 00

00

2�

2�

( ) 00 H accetto �C x �∉�

Vale il viceversa.


TEST sulla varianza di una v.c. NORMALE

Dato un c.c. iid di dimensione n, estratto da un v.c. N(µ,σ2), con media e varianza sconosciute, si vuole verificare se

H0: σ= σ0 contro H1: σ > σ0 Alternativa UNILATERALE

In tale contesto, sotto H0 sappiamo che

1)(n� ~ �

1)S(nV 2

20

2−−=


Fissato α, la regione critica è:

�

1)s(nV 2

0

2

c−=

{ }1)(n�V:V)�(C 2�cc0 −>=

dove

e

{ }1)(n�V P� 2�r −>=


Esempio.Si consideri una popolazione statistica adattata da una v.v. Normale con media e varianza incognite. Si estrae un c.c. di numerosità n=16 E si determina il valore della varianza campionaria, s2=25.Si sottoponga a test unilaterale l’ipotesi nulla che la varianza della popolazione sia pari a 23 ad un livello di significatività dell’1%.


TEST sulla differenza tra le medie di due v.c. NORMALI

Siano X ed Y due v.c. indipendenti e normalmente distribuite, cioè

( )�� σµ ( )�

�� σµ⊥

)1 m( ×X ⊥

( )�

�

�� xσµ ( )��

�

�� yσµ⊥

)1 n ( ×Y


Posto δ=µx-µy si vuole costruire il seguente test

� � =δH contro � � ≠δH

Primo caso:�xσ e

�yσ note

Stimatore naturale della differenza tra le medie YXD −=

Abbiamo visto che: ( ) yxDE µ−µ=

( )nm

DV yx�� σ

+σ=


��

�

�

��

�

�+

n

�

m�

, 0N~D2y

2x

Sotto H0

Rifiutiamo H0 se i valori di D sono molto diversi dallo zero.


Fissato α, calcoliamo i punti critici:

{ } { }��

��

�s

rs

rsr zZPDV

dDV

DPHdDP ≤=

��

�

��

��

≤=≤=α

{ } { }��

��

�d

rd

rdr zZPDV

dDV

DPHdDP ≥=

��

�

��

��

≥=≥=α

dove

nm

dDV

dz

yx

sss

��

��

�� σ+σ

==

nm

dDV

dz

yx

ddd

��

��

�� σ+σ

==


Dalle tavole della N(0,1), si ha:

�

��α−= zz s

�

��α= zz d

nmzd yx

s

��

�

σ+σ−= α nm

zd yxd

��

�

σ+σ= α

Sostituendo otteniamo i punti critici:

La regione critica è data da:

{ }�� ds dddddC ≥≤=α

con yxd −=


Secondo caso: varianze sconosciute ma uguali �� σ=σ=σ yx

YXD −=

( ) yxDE µ−µ= ( ) ��

��

� +σ=σ

+σ=nmnm

DV yx ��

��

( )��

N

nm

D

nm

DZ

yx +σ=

σ+σ

=

Stimatore naturale della differenza tra le medie

Si ha, inoltre, che

Sotto H0 la quantità

non è una statistica – test perché σ è un parametro sconosciuto.


( )2)nt(m~

n1

m1

S

��DT

p

yx −++×

−−=

Per quanto detto nelle lezioni sugli Intervalli di confidenza, la quantità

dove

)2nm(

S)1n(S)1m(S

2y

2x2

p −+−+−

=


��

−++×

= nmt

nmS

DT

p

Sotto H0 la quantità

è una statistica –test per verificare le ipotesi

con δ=µx-µy.

� � =δH contro � � ≠δH


Fissato α, calcoliamo i punti critici:

{ } { }��

��

sr

nmp

s

nmprsr tTP

sd

SD

PHdDP ≤=��

�

��

��

+≤

+=≤=α

{ } { }��

��

dr

nmp

d

nmprdr tTP

sd

SD

PHdDP ≥=��

�

��

��

+≥

+=≥=α

nms

dt

p

ss

��

+=

dove

nms

dt

p

dd

��

+=


Dalle tavole della t-Student, si ha:

��

�� −+−= α nmtt s

nmps snmtd ��

+×−+−= α

Sostituendo otteniamo i punti critici:

La regione critica è data da:

{ }�� ds dddddC ≥≤=α

con yxd −=

��

�� −+= α nmtt d

nmpd snmtd ��

+×−+= α


Esempio.Per provare l’utilità terapeutica di due nuovi farmaci, A e B, un gruppo di ricercatori sperimenta entrambi su un gruppo casuale di 10 soggetti. I risultati sperimentali, misurati utilizzando un determinato indice, sonoI seguenti:farmaco A: 25, 46, 39, 60, 24, 23, 38, 42, 50, 46farmaco B: 43, 29, 38, 51, 44, 28, 23, 20, 56, 55Supponendo che l’utilità terapeutica possa essere adattata statisticamente da distribuzioni normali e che le varianze delle duepopolazioni siano uguali, determinare un intervallo di confidenza per ladifferenza delle utilità terapeutiche medie dei due farmaci al livello diconfidenza del 99%. Inoltre, stabilire se la differenza tra le utilitàmedie è significativamente diversa da zero.

a.a. 2009/2010 Secondo Periodo Prof. Filippo DOMMA · Un’ipotesi statistica è una affermazione...

Documents

Transcript of a.a. 2009/2010 Secondo Periodo Prof. Filippo DOMMA · Un’ipotesi statistica è una affermazione...